Asthme: 1, 2, 3... Respirez ! Efficacité du jeu éducatif sur les attitudes à l’égard de l’asthme
Bibliographic record
Abstract
Asthme : 1, 2, 3… Respirez ! est un jeu éducatif en ligne (Web) portant sur l’asthme qui a été créé par des médecins de famille, des pédagogues, des spécialistes des jeux en ligne et des chercheurs. Il a pour objectif d’intervenir notamment sur les attitudes en matière de santé. Cet article traite de l’efficacité d’un jeu en ligne, de type Parchési, pour le changement d’attitudes liées à l’asthme, auprès de 133 jeunes, âgés de 14 à 18 ans, répartis sur le territoire du Québec et de la Colombie-Britannique. Le jeu utilise des activités fondées sur quatre éléments clés liés à l’apprentissage affectif : l’improvisation, l’argumentation, la confrontation dans l’interaction et la rétroaction. Cette étude quantitative se base sur un questionnaire utilisant une échelle de Likert avec 31 indicateurs de changement d’attitudes (items), administrés en pré et post test en milieu scolaire. Les résultats montrent l’efficacité du jeu à changer l’attitude des jeunes en regard de l’asthme, et particulièrement, en ce qui concerne la prédisposition à agir. Ainsi, le jeu permettrait une amélioration de la perception générale des jeunes à l’égard de l’asthme, une meilleure perception de la gravité des conséquences, un fort sentiment de contrôle, une perception de leur capacité à contrer les obstacles pour passer à l’action. L’étude montre cependant un manque d’efficacité à modifier, tant les habitudes personnelles en matière de prévention de l’asthme que la perception de solutions accessibles et pratiques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".